研究发现多数 VLA 预训练后丢失视觉语言能力
DJiafei · x · 2026-11-16
Ville Kuosmanen 等人的研究指出,大多数视觉-语言-动作模型(VLA)在预训练过程中会丢失其底层 VLM 的视觉语言能力。通过分离开源 VLA 中的 VLM 权重并直接在视觉语言基准上评测,作者发现模型可分为三类,揭示了 VLA 训练流程对通用多模态理解能力的侵蚀问题。
所属事件:研究称多数 VLA 预训练后丢失底座视觉语言能力(2 条相关)→
「具身」频道最新
- 高专机器人大赛冠军团队开源控制方案:非线性优化轨迹平均误差仅±1.2cm — 4310sy · 2026-11-16
- 开发者自研机器人 BLDC 控制器新 PCB 到货,主打高性能与供应链优化 — wavefnx · 2026-11-16
- 扑翼无人机在空军测试中被探测系统误判为鸟 — import_jmr · 2026-11-16
- Uber 在拉斯维加斯上线 Amazon 旗下 Zoox 无人驾驶出租车服务 — Polymarket · 2026-11-16
- 蚂蚁灵波具身大模型挑战赛收官:TARS战队48小时真机对决夺冠 — 新智元 · 2026-11-16
- 特斯拉 FSD 城市街道里程破 70 亿英里,四周新增约 5 亿 — XFreeze · 2026-11-16